FenixEdu™

Dissertação

Latent factors of Mult-Omics data and Clustering EVALUATED

Detalhes: Perante a grande quantidade de dados disponível, existe o potencial dos algoritmos de aprendizagem automática na analise desses dados. É importante identificar as informações ocultas, e necessidade de encontrar as características semelhantes dos pacientes. Neste contexto, primeiro pretende-se comparar duas ferramentas existentes utilizando dados sintéticos criados, MOFA e iCluster para testar o desempenho das ferramentas. Depois,aplicar MOFA, a melhor ferramenta, aos dados de cancro ovário provenientes de TCGA. Com os resultados, MOFA mostrou a capacidade de recuperar vários características de dados nas amostras sintéticas e genes significantes nos dados reais.
Keywords: TCGA, Factor Analysis, Principal Component Analysis, MOFA, iCluster, K-means

Discussão: dezembro 18, 2019, 10:0